Hybrid Creativity: How Artificial Intelligence Can Defy or Reinforce Human Creative Performance
Type
fundamental research project
Start Date
June 1, 2022
End Date
May 31, 2025
Description
Digitale Innovationsplattformen sind ein beliebtes Instrument zur Förderung von Innovationen durch den Einbezug von externen Ideengeberinnen und Ideengebern. Künstliche Intelligenz (KI) Algorithmen können das menschliche Kreativitätspotenzial auf Innovationsplattformen verbessert werden, jedoch ist ihr Einsatz und Potenzial in diesem Bereich bislang noch unerforscht.
Inhaltlich geht es in dem Projekt um die Förderung kreativer menschlicher Leistungen auf digitalen Innovationsplattformen durch moderne KI Algorithmen. KI Algorithmen bieten eine Möglichkeit, das Innovationspotenzial auf Innovationsplattformen zu verbessern, zum Beispiel durch Ideengenerierung, Ideenevaluation, und automatisiertes Feedback. Noch ist jedoch unklar, wie eine KI Menschen am besten in ihrer kreativen Leistung unterstützen kann. In diesem Projekt wird ein "hybrider Kreativitätsansatz" untersucht, bei dem Menschen und Maschinen miteinander interagieren, um die gemeinsame kreative Leistung zu verbessern.
Dieses Projekt verfolgt zwei Hauptziele: Zum einen entwickelt es auf verhaltenswissenschaftlicher Basis begründete KI-Tools, die auf Innovationsplattformen implementiert werden können. Zum anderen werden durch die Beobachtung der Interaktion mit diesen KI-Instrumenten menschliche psychologische Kreativitätsmechanismen untersucht. Denn nur wenn wir die zugrundeliegenden Mechanismen der kreativen Zusammenarbeit wahrhaft verstehen, können wir sinnvolle KI-Interventionen zur Verbesserung von menschlichen Innovationsprozessen entwickeln.
Das Projekt kombiniert Theorien der Verhaltenswissenschaften, Psychologie und Wirtschaftswissenschaften mit der Methodik von Informatik, Information Management und Data Science. Dadurch leistet es einen Beitrag sowohl zur technologischen Weiterentwicklung, als auch zu unserem konzeptuellen Verständnis von menschlichen Kreativitätsprozessen.
Inhaltlich geht es in dem Projekt um die Förderung kreativer menschlicher Leistungen auf digitalen Innovationsplattformen durch moderne KI Algorithmen. KI Algorithmen bieten eine Möglichkeit, das Innovationspotenzial auf Innovationsplattformen zu verbessern, zum Beispiel durch Ideengenerierung, Ideenevaluation, und automatisiertes Feedback. Noch ist jedoch unklar, wie eine KI Menschen am besten in ihrer kreativen Leistung unterstützen kann. In diesem Projekt wird ein "hybrider Kreativitätsansatz" untersucht, bei dem Menschen und Maschinen miteinander interagieren, um die gemeinsame kreative Leistung zu verbessern.
Dieses Projekt verfolgt zwei Hauptziele: Zum einen entwickelt es auf verhaltenswissenschaftlicher Basis begründete KI-Tools, die auf Innovationsplattformen implementiert werden können. Zum anderen werden durch die Beobachtung der Interaktion mit diesen KI-Instrumenten menschliche psychologische Kreativitätsmechanismen untersucht. Denn nur wenn wir die zugrundeliegenden Mechanismen der kreativen Zusammenarbeit wahrhaft verstehen, können wir sinnvolle KI-Interventionen zur Verbesserung von menschlichen Innovationsprozessen entwickeln.
Das Projekt kombiniert Theorien der Verhaltenswissenschaften, Psychologie und Wirtschaftswissenschaften mit der Methodik von Informatik, Information Management und Data Science. Dadurch leistet es einen Beitrag sowohl zur technologischen Weiterentwicklung, als auch zu unserem konzeptuellen Verständnis von menschlichen Kreativitätsprozessen.
Leader contributor(s)
Member contributor(s)
Partner(s)
Universität Luzern, Prof. Dr. Reto Hofstetter
Funder
Range
HSG + other universities
Range (De)
HSG + andere
Division(s)
Eprints ID
248164
3 results
Filters
Settings
Now showing 1 - 3 of 3
- Some of the metrics are blocked by yourconsent settings
Item type:Publication, Refining Ideas with Generative AI: How Text-and Image-Based Scenarios Influence Idea Refinement(2024); ; ; ; In the innovation process, generative AI can be used to refine ideas with text-based scenarios and image-based visualization. Our findings reveal that text-based scenarios versus image-based visualization scenarios enhance creative performance because they increase levels of mental outcome simulations.Type:conference paper - Some of the metrics are blocked by yourconsent settings
Item type:Publication, LLM-Augmentation for Idea Evaluation: Developing a Reference Model for Evaluation Pipelines(Springer Nature Switzerland, 2025-05-27); ;Samir Chatterjee ;Vom Brocke JanAnderson, RicardoAutomated approaches to idea evaluation increasingly leverage generative artificial intelligence to support decision-makers. However, contextualizing evaluations within specific domains remains challenging, particularly at varying levels of large language model (LLM) augmentation. Existing research employs embeddings to derive semantic insights, yet these representations often lack domain-specific contextualization. Recent advancements, such as chat-based LLMs, present new opportunities to incorporate context through prompting. To address these challenges, we propose a structured evaluation pipeline that integrates embeddings with feature engineering to enhance the contextualization of chat-based LLM evaluations. Using a real-world innovation challenge, we instantiate this pipeline and assess its predictive performance across different levels of augmentation. Our findings reveal that incorporating contextual information improves predictive accuracy but depends on fine-grained idea quality dimensions. By codifying our approach into a reference model, we provide a transferable framework that generalizes across various evaluation contexts employing LLMs.Type:book sectionJournal:Lecture Notes in Computer ScienceVolume:15703 - Some of the metrics are blocked by yourconsent settings
Item type:Publication, Generative AI in Idea Development: The Role of Numeric and Visual Feedback(2023-12-11); ; Human creativity is a crucial factor in developing innovative ideas. Many ideas are being generated, but only a few receive feedback, as creating feedback is a costly and timeconsuming effort in innovation. While feedback promises higher idea quality, previous work requires human experts with domain expertise. Generative AI could provide automated feedback and is expected to transform creative work. This short paper presents an experimental series in which we let humans collaborate with generative AI to develop ideas. Based on dual-coding and media synchronicity theory, we conceptualize numerical and visual feedback to overcome cognitive barriers. We manipulate feedback modalities and timing to personalize the interaction. Our contributions provide evidence on when and why specific co-creative arrangements between humans and generative AI are favorable.Type:conference paperJournal:Rising like a Phoenix: Emerging from the Pandemic and Reshaping Human Endeavors with Digital Technologies ICIS 2023Volume:14